-
紫外輻照計
- 紫外臭氧分析儀
-
浮游菌采樣器 批發(fā)供應
- 恒流空氣采樣器(防爆)
-
紅外一氧化碳分析儀CO
-
口氣(口臭)測量儀
- 應急救援裝備
- 環(huán)境級射線劑量儀
- 微小氣候檢測系統(tǒng)箱
-
甲醛釋放量檢測用1m3氣...
-
環(huán)境污染源監(jiān)測儀
-
便攜式抽濾裝置
-
COD氨氮總磷總氮測定儀
-
畜禽舍環(huán)境檢測儀
-
金壇泰納TN800新款檢...
-
城市地下綜合管廊有毒有害...
-
現(xiàn)場水質分析儀
-
大氣甲烷分析儀(激光法)
-
環(huán)境污染測汞儀
-
紅外一氧化碳分析儀
-
微波測量儀
-
環(huán)境污染源PM2.5現(xiàn)場...
-
環(huán)境污染源VOC現(xiàn)場采樣...
-
超低排放污染源現(xiàn)場分析套...
-
燃煤污染源排放現(xiàn)場分析套...
-
環(huán)境空氣污染源現(xiàn)場分析套...
-
環(huán)境空氣質量污染源現(xiàn)場分...
-
環(huán)境氮硫污染源監(jiān)測套裝
-
地表水污染源現(xiàn)場采樣套裝
-
便攜式抽濾裝置
- 大氣污染監(jiān)測套裝
- 礦用本安防爆儀器儀表
- 環(huán)境舒適度測試儀
- 縣級衛(wèi)生監(jiān)督所機構體系建...
- 土壤檢測儀器
-
一,氣體分析儀器
- TN800新款手持式智能...
-
光離子化檢測儀
-
紅外線熏蒸氣體檢測儀
-
非甲烷總烴檢測儀
- 揮發(fā)性有機氣體測定儀/V...
- VOC測定儀
-
臭氣檢測儀
-
硫酸霧檢測儀
-
泵吸式鍺烷檢測儀
-
泵吸式異丙醇檢測儀
-
泵吸式乙烯檢測儀
-
泵吸式乙酸乙酯檢測儀
-
泵吸式乙炔檢測儀
-
泵吸式乙醛檢測儀
-
泵吸式乙硼烷檢測儀
-
泵吸式乙醇檢測儀
-
泵吸式溴氣檢測儀
-
泵吸式溴化氫檢測儀
-
泵吸式四氫噻吩檢測儀
-
泵吸式四氟化硅檢測儀
-
泵吸式砷化氫檢測儀
-
泵吸式三氯乙烯檢測儀
-
泵吸式三氟化硼檢測儀
-
泵吸式氫氣檢測儀
-
泵吸式氯乙烯檢測儀
-
泵吸式硫酰氟檢測儀
-
泵吸式聯(lián)氨檢測儀
-
泵吸式甲烷檢測儀
-
泵吸式甲硫醇檢測儀
-
泵吸式甲醇檢測儀
- 二.水質食品檢測儀器
-
三,采樣檢測儀器
-
明渠流量計
-
防爆個體粉塵采樣器
-
壓縮空氣采樣器
-
采樣機器人
-
恒流采樣器
-
撞擊式氣溶膠采樣器
-
PM2.5粉塵顆粒監(jiān)測儀
-
水質采樣器(核電專用)
-
PM10采樣器
-
防爆采樣取證設備
-
粉塵測定儀/激光粉塵儀/...
-
粉塵快速測定儀
-
空氣微生物檢測儀/撞擊式...
-
現(xiàn)場水質采樣及水質測定套...
-
水質手工采樣泵、手工采樣...
- 水質采樣器/水質等比例采...
-
溶解氧采樣器
-
排空式采樣器
-
水質**采樣器
-
土壤溶液取樣器
-
防爆測塵儀
-
空氣采樣器
-
標準采樣設備
-
浮游菌采樣器/浮游微生物...
-
智能空氣采樣裝置
-
TNKC空氣采樣裝置
-
大氣采樣器
-
粉塵采樣器
- 土壤采樣器/土壤取樣器
-
菌落計數(shù)器
-
明渠流量計
-
四,環(huán)境參數(shù)監(jiān)測儀器
-
噪聲頻譜分析儀
-
個體噪聲劑量計(包括防爆...
-
氣溶膠光度計
-
礦用本安型防爆紅外測溫儀
-
室內空氣環(huán)境監(jiān)測系統(tǒng)
-
機械通風干濕表
-
新風量檢測儀
-
風量儀(風量罩)
-
數(shù)字溫濕度儀
-
數(shù)字風速儀
-
照度計
-
噪音計
-
數(shù)字聲級計
-
熱球式風速儀,專線式微風...
-
塵埃粒子計數(shù)器
-
公共場所檢測系統(tǒng)/公共場...
-
WBGT指數(shù)儀、黑球溫度...
-
公共場所檢測儀器
-
環(huán)境污染檢測儀
-
空氣質量檢測箱、空氣質量...
-
環(huán)境指數(shù)測定儀、舒適度指...
-
暗管探測儀
-
空氣質量檢測儀器
-
環(huán)境測量儀/五合一環(huán)境測...
-
便攜式風速/氣象測定儀
-
紅外測溫儀
-
紅外耳溫儀/紅外額溫計/...
-
激光粒子記數(shù)器
-
空氣離子計數(shù)器
- 潔凈環(huán)境儀器
-
噪聲頻譜分析儀
- 五,熱.磁.光.射線輻射...
- 六,專業(yè)測漏儀器
- 七,煙氣及尾氣分析儀器
- 八,綜合類儀器
- 九,德圖儀器(TESTO...
- 十,紅外熱像儀/紅外熱成...
- 恒溫槽
- 超聲波儀器
- 管道探測儀
- 管道檢測儀
- 管道疏通系統(tǒng)
- 管道修復系統(tǒng)
- 消防設備
-
便攜式多功能應急電源
預測霧霾,大數(shù)據(jù)能幫什么忙?
近段時間,國內范圍內尤其是京津冀地區(qū)接連陷入霧霾之困,北京更是**發(fā)布空氣重污染紅色預警,中小學連續(xù)停課3天,機動車單雙號限行。霧霾的背后,重污染天氣的預警預測工作顯得尤為重要,不僅可以讓公眾提前合理安排生產(chǎn)生活,也可以讓政府相關部門及時采取應急措施,緩解重污染天氣帶來的危害。
微軟亞洲研究院主管研究員鄭宇一直從事大數(shù)據(jù)挖掘和算法研究,希望用大數(shù)據(jù)解決現(xiàn)代城市所面臨的問題。他和他的團隊已經(jīng)成功用大數(shù)據(jù)計算出1km×1km細粒度的空氣質量狀況、尾氣排放數(shù)據(jù)和噪聲污染指數(shù)。
那么,大數(shù)據(jù)是如何預測霧霾的呢?
大數(shù)據(jù)能不能成功預測霧霾?
Urban Air正是由微軟亞洲研究院開發(fā),用大數(shù)據(jù)預測城市空氣質量的項目。目前,Urban Air已經(jīng)實現(xiàn)國內70多個城市空氣質量預測,可以對京津冀、長三角、珠三角、成渝城市群未來48小時的空氣質量進行預測。
“大數(shù)據(jù)不僅能預測霧霾,還可以精細化預測?!编嵱钫f,依靠經(jīng)典模擬方法預測預警霧霾,只能算出空氣質量的均值,而大數(shù)據(jù)可以對1~6小時的空氣質量逐小時進行預測,對7~12小時、12~24小時、24~48小時進行*大值和*小值的預測。
除了在預測精度上有優(yōu)勢外,大數(shù)據(jù)精細化預測還體現(xiàn)在地域范圍上。目前,傳統(tǒng)模擬方法預測霧霾只能精細到區(qū)的范圍,比如可以預測到北京市海淀區(qū)、朝陽區(qū)的空氣質量,而大數(shù)據(jù)可以精細化到每個空氣質量站點,比如可以預測海淀區(qū)萬柳站點未來48小時的空氣質量狀況。
大數(shù)據(jù)不僅能預測霧霾,還可以很快速。據(jù)鄭宇介紹,傳統(tǒng)的重污染天氣預測工作需要6小時左右的模擬運算時間,無法快速實時發(fā)布,而大數(shù)據(jù)可以在幾秒鐘之內快速算出重污染空氣質量數(shù)據(jù)。
未來,霧霾的運行軌跡也將有望實現(xiàn),霧霾從哪來,到哪去都將不是難題。記者了解到,鄭宇和他的團隊正在從事霧霾因果相關性的研究,目前還處在研發(fā)階段,預計明年將正式投入應用。
大數(shù)據(jù)怎么預測霧霾?
既然大數(shù)據(jù)可以預測霧霾,那么,能夠預測霧霾的大數(shù)據(jù)究竟包含哪些數(shù)據(jù)?這些數(shù)據(jù)又如何預測霧霾?
霧霾的大數(shù)據(jù)主要包括當前空氣質量數(shù)據(jù)、氣象條件、未來天氣預報3類數(shù)據(jù)。鄭宇特別介紹說,空氣質量數(shù)據(jù)并不是指單純的空氣質量站點數(shù)據(jù),而是以某空氣質量站點為圓心,囊括了方圓300公里范圍內所有的與空氣質量相關的數(shù)據(jù),比如空氣質量站點數(shù)據(jù)、交通流數(shù)據(jù)、氣象數(shù)據(jù)、廠礦數(shù)據(jù)、人口流動數(shù)據(jù)、路網(wǎng)結構等。
與傳統(tǒng)模擬空氣質量不同,大數(shù)據(jù)預測霧霾依靠的是多元融合方法,也就是說,空氣質量的預測不僅僅看空氣質量數(shù)據(jù),還要看與之相關的氣象數(shù)據(jù)、交通流量數(shù)據(jù)、廠礦數(shù)據(jù)、城市路網(wǎng)結構等不同領域的數(shù)據(jù),不同領域的互相疊加,相互補強,從而預測空氣質量狀況。
“大數(shù)據(jù)應用于預測霧霾,首先,由于每個站點、每個時段空氣質量的影響因素都不盡相同,所以針對每個空氣質量站點,我們都會為這個站點每個時段單獨建一個空氣質量模型,之后再將三者數(shù)據(jù)疊加,*后將數(shù)據(jù)進行融合,制作出空氣質量預測模型?!编嵱钫f ,這樣算下來 ,為預測北京市空氣質量,建立的模型已經(jīng)達上百個。
大數(shù)據(jù)預測得準不準?
那么,多元融合的大數(shù)據(jù)算法與傳統(tǒng)的空氣模擬預測相比,是否更準確?
“其實,大數(shù)據(jù)預測與傳統(tǒng)模擬方法有一定的相似性,都是通過數(shù)據(jù)來擬合模型,只不過是數(shù)據(jù)量大小不同?!编嵱钫f,以往由于獲知的數(shù)據(jù)有限,傳統(tǒng)模擬方法只能基于有限的樣本數(shù)據(jù),由科研人員通過經(jīng)驗、假設找出這些數(shù)據(jù)間的規(guī)律,模擬出簡單的模型,預測空氣質量。而隨著數(shù)據(jù)增多,單單依靠人工已經(jīng)無法從海量繁雜的數(shù)據(jù)中找出規(guī)律,所以需要借助機器學習和數(shù)據(jù)挖掘等工具來發(fā)現(xiàn)多源數(shù)據(jù)中隱含的規(guī)律。
如今影響空氣質量的因素越來越多,傳統(tǒng)模擬的方法顯得“力不從心”。鄭宇介紹說,傳統(tǒng)模擬空氣質量預測首先需要搜集完整的污染源數(shù)據(jù),比如企業(yè)的排污數(shù)據(jù)和汽車尾氣排放等,而這些數(shù)據(jù)無法全部獲知;其次模型太理想化,污染物在空氣中傳播和變化的實際情況,要復雜很多。
隨著影響空氣質量的因素增多,數(shù)據(jù)量的增大,大數(shù)據(jù)在空氣質量預測上頗有優(yōu)勢。比如傳統(tǒng)方法要拿到**的地面污染源數(shù)據(jù)才能預測,而大數(shù)據(jù)則可以解決數(shù)據(jù)缺失的問題。比如對于交通尾氣數(shù)據(jù)難獲取的情況,大數(shù)據(jù)運算可以采用與交通尾氣相關的交通流量、排量等相關數(shù)據(jù),間接地分析其與空氣質量的關系?!按髷?shù)據(jù)的精髓就是A領域的問題可以借助B領域、C領域、D領域的數(shù)據(jù)來一起解決,通過多元數(shù)據(jù)融合的方法來解決數(shù)據(jù)缺失和不精準的問題。”鄭宇說。
空氣質量站點、相關領域的數(shù)據(jù)、大數(shù)據(jù)先進的挖掘技術和模型,保證了大數(shù)據(jù)預測的準確性。據(jù)了解,現(xiàn)在大數(shù)據(jù)對京津冀霧霾的預測精度可以達到75%,對成渝等地的預測精度會更高,平均準確率比統(tǒng)模擬方法高15%~20%。
大數(shù)據(jù)預測還存在哪些困難?
雖然大數(shù)據(jù)對霧霾的預測已經(jīng)成功實踐,但鄭宇也坦言,大數(shù)據(jù)預測霧霾確實還有很多困難。
數(shù)據(jù)量少是大數(shù)據(jù)發(fā)展的掣肘,大數(shù)據(jù)的預測是基于對大量的數(shù)據(jù)進行學習。但我國數(shù)據(jù)開放進程比較晚,并且很多污染源數(shù)據(jù)都還不完善。
“數(shù)據(jù)量大小直接影響大數(shù)據(jù)預測的精準度?!编嵱钫f,比如數(shù)據(jù)樣本量不夠,會導致霧霾的拐點很難預測,目前傳統(tǒng)經(jīng)典模型和大數(shù)據(jù)模型都很難說清楚霧霾何時會消散?!昂芏嗳苏J為大風來了,霧霾一定會散去,真實情況并非如此,霧霾消散與大風的強度、持續(xù)時間、風向來源地都有非常大的關系。比如,如果風向的來源地本身是污染源,那么霧霾不但不會散去,反而會加重?!编嵱钫f,目前有關拐點出現(xiàn)次數(shù)的數(shù)據(jù)特別少,可能一百天出現(xiàn)一次,對簡單的統(tǒng)計學模型來說,拐點出現(xiàn)就是少數(shù)派,模型很難預測拐點。目前,鄭宇和他的團隊也在單獨對拐點進行建模,準確度已經(jīng)提高到30%。
針對大數(shù)據(jù)在環(huán)保領域未來的發(fā)展,鄭宇認為國家首先要培養(yǎng)數(shù)據(jù)科學家,不僅僅是懂大數(shù)據(jù)挖掘算法,還要動行業(yè)知識,這樣才能把大數(shù)據(jù)轉化為生產(chǎn)力。其次,大數(shù)據(jù)時代要求政府開放數(shù)據(jù)。只要數(shù)據(jù)足夠,未來工業(yè)園區(qū)的建設與空氣質量的變化情況,整個城市設計與空氣質量的變化情況,完全可以依靠大數(shù)據(jù)實現(xiàn)。